[发明专利]基于深度学习的叶片欠采样叶端定时信号压缩重构方法有效
| 申请号： | 202010790489.2 | 申请日： | 2020-08-07 |
| 公开（公告）号： | CN111898321B | 公开（公告）日： | 2021-06-25 |
| 发明（设计）人： | 陈仲生;盛浩;何静;夏叶媚;刘建华;张昌凡;胡雷 | 申请（专利权）人： | 湖南工业大学 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06N3/08;G06N3/04;G01H17/00;G01M13/00 |
| 代理公司： | 长沙国科天河知识产权代理有限公司 43225 | 代理人： | 邱轶 |
| 地址： | 412007 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种基于深度学习的叶片欠采样叶端定时信号压缩重构方法。所述方法包括：获取被测对象的叶端定时测振的multi‑coset采样序列；对multi‑coset采样序列进行傅里叶变换，得到叶端定时测振的压缩感知模型；获取叶端定时传感器对应的观测矩阵，根据观测矩阵和压缩感知模型，得到叶片振动频谱；将叶片振动频谱的频带进行标记，与叶片振动频谱组成训练样本集；将训练样本集输入深度学习模型中，通过梯度下降方式进行训练，得到训练好的深度学习模型；输入到深度学习模型，得到待重构的叶片振动频谱对应的频带标记向量，根据标记向量，得到重构观测矩阵；根据重构观测矩阵和待重构的叶片振动频谱，得到重构叶端定时测振信号。采用本方法能够提高重构速度和准确率。 | ||
| 搜索关键词： | 基于 深度 学习 叶片 采样 定时 信号 压缩 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖南工业大学，未经湖南工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010790489.2/，转载请声明来源钻瓜专利网。
